Un nuevo estudio de los investigadores Gregory Stanley, Jun Zhang y Rick Lewis muestra que, cuando decidimos en quién confiar, nuestro cerebro actualiza continuamente las creencias sobre las motivaciones de los demás mediante un sofisticado proceso bayesiano, en lugar de clasificar a las personas en categorías simples como 'generoso' o 'egoísta'.
La investigación
El equipo, cuyo trabajo aparece en arXiv, desarrolló un Modelo Bayesiano de Utilidad (UBM) que representa las creencias sobre las preferencias sociales de otra persona como una distribución de probabilidad continua sobre los parámetros de su función de utilidad. En juegos repetidos del dictador binario con pagos aleatorizados, los participantes predijeron las elecciones de agentes preprogramados y de otros participantes. El UBM capturó estas predicciones mejor que las alternativas no bayesianas y mejor que más de 15.000 modelos que tratan a los demás como tipos discretos. Esto sugiere que las personas rastrean los motivos como posiciones graduadas en un espacio continuo, no como categorías.
Debido a que los participantes alternaban entre elegir y predecir, el marco estimó por separado las preferencias y las creencias sobre las preferencias. Las utilidades propias de los electores, ajustadas con una función de siete parámetros seleccionada entre 526 formas candidatas, mostraron que la mayoría de las personas otorgan un peso positivamente confiable al pago de un extraño, pero ponderan el suyo propio aproximadamente nueve veces más. Es interesante que la aversión a estar por delante superó a la aversión a estar por detrás, invirtiendo el orden canónico encontrado en estudios anteriores. La sensibilidad a los pagos de los demás y a las desigualdades crece más que proporcionalmente con su magnitud, y las preferencias antisociales fueron más comunes de lo que estimaciones previas sugerían. Las creencias iniciales de los predictores capturaron el dominio del interés propio, pero esperaban que la aversión a estar por detrás superara a la aversión a estar por delante.
Por qué es importante
Entender cómo inferimos los motivos de los demás tiene implicaciones prácticas para la cooperación, la negociación y las interacciones sociales cotidianas. Este modelo proporciona un espacio común de siete dimensiones para ubicar las preferencias sociales de cualquier individuo y las creencias sobre los demás, lo que permite comparaciones entre estudios y metaanálisis. Para tu propia cognición, destaca que tu cerebro está actualizando constantemente un modelo matizado de quienes te rodean, un proceso del que puedes tomar mayor conciencia y potencialmente mejorar.
Qué puedes hacer
Practica la toma de perspectiva activa en las interacciones diarias: después de que alguien tome una decisión, intenta inferir el valor que le dio a tus resultados frente a los suyos propios. Lleva un registro mental de cómo cambian tus predicciones con el tiempo; esto ejercita tu sistema de inferencia social bayesiana.
Fuente: arXiv q-bio.NC
¿Sientes curiosidad por tu propio cerebro? Realiza nuestra prueba de CI adaptativa gratuita o prueba 306 niveles de entrenamiento cerebral.
